作者 | Tristan Dresbach

题图 | 站酷海洛

有好点子，想创业，但没钱，怎么办？Kickstarter是美国著名的众筹网站，在这里可以帮有好点子的创业者实现梦想！本文数据侠抓取了Kickstarter的众筹数据，在进行数据可视化与分析后，得出了一些洞察结果，也许可以帮助到想要创业的朋友哟！

具备哪些特点，能够让一个初创项目最大可能获得成功？

▍项目概况

Kickstarter是最知名的众筹网站之一，在其平台上的筹款总额已经超过39亿美元。这个项目的目标是通过爬取Kickstarter数据并进行分析，来找出成功项目具备的特点。

与传统的融资方式（天使投资、小微贷款等）相反，Kickstarter上的投资人需要充分信任投资的项目，我说的项目不是那些有着可大规模盈利的商业模式，也不是说那些能带来高回报的项目。这些投资者其实是被项目方设置的“奖励”（Rewards）所吸引，它与投资者的投入额度等级有关，保证了投资者能从投入中获得相应等级的回馈。

在平台上开始一个项目的步骤很简单，下面我们也会具体深入研究如何让融资成功的机率最大化。

创建一个项目

设置最低融资目标

设置“回报”的额度

选择一个截止日期

值得注意的是，如果无法达到最低融资目标，项目需要把钱退回给用户个人。

▍爬取数据

在写爬虫脚本之前，需要搞清楚如何在不同项目页面中自动翻页，来爬取这20多项变量。为此我设置了三个主要的循环，第一个循环会浏览所有分类和次级分类，并得到每个次级分类的首页信息。我发现Kickstarter只允许次级分类的页面控制在200以内。

第二个循环使用从循环一得到的所有网址，并且加上一个网页编号。之后为每个页面提取出特定的项目网址，每个次级分类最多只有12个项目/网页。第三个循环会从所有项目页面中爬取需要的变量，比如预融资金额、创建日期、截止日期、创办者信息等。

第四个循环要更小一些，它从第三个循环得到的每个网页所对应的常见问题页面中爬取数据，来补充用于分析的变量。

在检查所有Kickstarter网页元素以及在 Scrapy Shell里测试我的XPath（在XML 文档中查找信息的语言）后，我发现，Kickstarter的网站基本是运行在JavaScript上的，但不幸的是Scrapy本身完全无视了JS元素。这导致我只收集到了15%的数据。在做了一点研究后，我加入了一个轻量的浏览器Scrapy Splash，它能帮助我处理JS网页，让Scrapy能读取网页元素。

另一个问题是Kickstarter会禁你的IP，最后我把爬取的间隔加到3秒，并且在另一台机器上运行我的爬虫。

▍数据清洗

在提取了所有需要的数据后，我需要在Python里进行处理，从而将数据清洗得到可以用于分析的数据。下面是5个主要的变化：

1 )将地址字符串转换成单独的城市，州字符串。

2 )将更新次数，回报水平，创办项目数和日期的字符串转化成整数。

3 )创建了众筹完成度的变量（已融资额/计划融资目标），作为我项目成功的指标。

4 )创建一个项目时长的变量，基于项目创办时间和截止时间。

5) 去掉丢失数据和零数据的变量。

▍数据分析

我首先看了一下成功机率的分布。

很明显我们有几个异常值，我使用基本的IQR（四分位数间距）方法来进行调整。我调整IQR的值，从而让有关的融资百分比可以被包含进来。下面是相关结果：

接下来就是提炼构成一个成功项目的主要特征。

1 )根据四分位数分布和融资比例得到的比较成功的项目类型：舞蹈、剧院和音乐

在次级分类方面，舞蹈和剧院类项目的次级细分类别之间区分不大。而音乐累项目，最好可以避开嘻哈和电子舞曲，因为这两个的平均融资度只在40%左右。

2)最理想的融资目标：在300到1700美元之间比较理想，更具体的，300美元或者400美元比较合适。

3) 项目时长：除了那种只有一天的项目外，比价理想的时长是一周，或者4周。因为1天，9天和15天的项目成功率更高。

4.) 项目落地的地点，佛蒙特州最好，怀俄明州最差。

5.) 评论和项目更新次数对融资完成度有最明显影响，它们对应的数值超过20时，都可以明显提高项目成功率。

▍未来可优化工作

收集更多数据，至少200行/次级分类。

设计更高效的scrapy代码，来尽可能减少爬取的用时。

建一个模型来预测项目是否可能成功。

注：本文编译自纽约数据科学院文章Building a Successful Kickstarter Campaign，点击“阅读原文”查看。内容仅为作者观点，不代表DT数据侠立场。文中图片部分来自作者。

▍关于DT×NYCDSA

DT×NYCDSA是DT财经与纽约数据科学学院合作专栏。纽约数据科学学院(NYC Data Science Academy)是由一批活跃在全球的数据科学、大数据专家和SupStat Inc. 的成员共同组建的教育集团。

▍数据侠门派

本文数据侠Tristan Dresbach，前Target（塔基特百货）商业分析师，卡尔顿学院经济学学士，曾在剑桥大学和华东师范大学学习，2018年在纽约数据科学院学习数据科学课程。

数据侠计划是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。合作请联系datahero@dtcj.com。